python - 索引在 Pandas 中是如何工作的？

Question

我是 python 新手。这似乎是一个要问的基本问题。但我真的很想了解这里发生了什么

import numpy as np 
import pandas as pd 
tempdata = np.random.random(5)
myseries_one = pd.Series(tempdata)
myseries_two = pd.Series(data = tempdata, index = ['a','b','c','d','e'])
myseries_three = pd.Series(data = tempdata, index = [10,11,12,13,14])


myseries_one
Out[1]: 
0    0.291293
1    0.381014
2    0.923360
3    0.271671
4    0.605989
dtype: float64

myseries_two
Out[2]: 
a    0.291293
b    0.381014
c    0.923360
d    0.271671
e    0.605989
dtype: float64

myseries_three
Out[3]: 
10    0.291293
11    0.381014
12    0.923360
13    0.271671
14    0.605989
dtype: float64

索引每个数据框中的第一个元素

myseries_one[0] #As expected
Out[74]: 0.29129291112626043

myseries_two[0] #As expected
Out[75]: 0.29129291112626043

myseries_three[0]
KeyError:0 

疑问 1:-为什么会发生这种情况？为什么 myseries_three[0] 给我一个 keyError ？ 调用 myseries_one[0] 、 myseries_one[0] 或 myseries_three[0] 是什么意思？以这种方式调用是否意味着我们正在通过行名调用？

疑问 2:-Python 中的行名和行号是否与 R 中的行名和行号不同？

myseries_one[0:2]
Out[78]: 
0    0.291293
1    0.381014
dtype: float64

myseries_two[0:2]
Out[79]: 
a    0.291293
b    0.381014
dtype: float64

myseries_three[0:2]
Out[80]: 
10    0.291293
11    0.381014
dtype: float64

疑问 3:- 如果调用 myseries_three[0] 意味着通过行名调用，那么 myseries_three[0:3] 如何产生输出？ myseries_three[0:4] 是否意味着我们通过 rownumber 调用？请解释和指导。我正在从 R 迁移到 python。所以我有点困惑。

Answer 1

当您尝试使用 myseries[something] 进行切片时，something 通常是不明确的。您正在强调这种模棱两可的情况。在您的情况下，pandas 正试图通过猜测您的意思来帮助您。

myseries_one[0] #As expected
Out[74]: 0.29129291112626043

myseries_one 有整数标签。有意义的是，当您尝试使用一个整数进行切片时，您打算获得标有该整数的元素。事实证明，您有一个标有 0 的元素，因此它会返回给您。

myseries_two[0] #As expected
Out[75]: 0.29129291112626043

myseries_two 有字符串标签。当标签都是字符串时，您不太可能打算使用 0 标签对这个系列进行切片。因此，pandas 假定您的意思是 0 的位置并返回第一个元素(感谢 pandas，这很有帮助)。

myseries_three[0]
KeyError:0 

myseries_three 有整数标签，您正在尝试用整数切片……完美。让我们为您获取该值... KeyError。糟糕，该索引标签不存在。在这种情况下，对于 pandas 来说，失败比猜测你可能打算按位置切片更安全。该文档甚至建议，如果您想消除歧义，请使用 loc 进行基于标签的切片，使用 iloc 进行基于位置的切片。

让我们试试loc

myseries_one.loc[0]
0.29129291112626043

myseries_two.loc[0]
KeyError:0 

myseries_three.loc[0]
KeyError:0 

只有 myseries_one 有标签 0。另外两个返回KeyError

让我们试试 iloc

myseries_one.iloc[0]
0.29129291112626043

myseries_two.iloc[0]
0.29129291112626043

myseries_three.iloc[0]
0.29129291112626043

它们的位置都是0，并相应地返回第一个元素。

---

对于范围切片，pandas 决定较少解释并坚持对整数切片 0:2 进行位置切片。记住。做出这些决定的是真实的人(编写 pandas 代码的程序员)。当您尝试做一些模棱两可的事情时，您可能会得到不同的结果。要消除歧义，请使用 loc 和 iloc。

iloc

myseries_one.iloc[0:2]

0    0.291293
1    0.381014
dtype: float64

myseries_two.iloc[0:2]

a    0.291293
b    0.381014
dtype: float64

myseries_three.iloc[0:2]

10    0.291293
11    0.381014
dtype: float64

loc

myseries_one.loc[0:2]

0    0.291293
1    0.381014
2    0.923360
dtype: float64

myseries_two.loc[0:2]

TypeError: cannot do slice indexing on <class 'pandas.indexes.base.Index'> with these indexers [0] of <type 'int'>

myseries_three.loc[0:2]

Series([], dtype: float64)